Comments
Transcript
投資性商品のマーケティングの高度化 - Nomura Research Institute
特 集 銀行ビジネス変革のパートナーとして 投資性商品のマーケティングの高度化 ─ データマイニングを活用した顧客理解の深化 ─ 銀行における投資信託や保険などの投資性商品の販売は、人的・時間的コス トの高い属人的アプローチから、顧客データを活用した戦略的アプローチへ と転換すべき時期を迎えている。本稿では、そのための有効な手段として、デー タマイニング技術を活用した顧客提案について考察する。 野村総合研究所 金融ソリューション事業本部 銀行ソリューション事業推進部 主任 す ず き けい 鈴木 啓 専門は金融機関の情報系・管理会計システムの企画・開発 06 銀行の投資性商品のマーケティング 抽出した対象に郵便を一括送付する、という 銀行の投資性商品の販売は、店舗カウン に至らしめるためには多大な事務コストが必 ターおよび外務員といった対面チャネルから 要という点が問題である。 始まった。その後、インターネットバンキン インターネットバンキングは、確かに口座 グやコールセンターの普及、スマートフォン 開設や販売に係る窓口事務の負担を大きく削 などによるモバイルバンキングの出現によ 減したものの、マーケティングについては、 り、銀行の商品販売チャネルは一通り整備さ 一部の銀行でファンドの売買ランキングや騰 れることになった。これにより、今では国内 落率ランキングを提示したり、特定のファン の投信販売残高の約半分を銀行窓販が占める ド購入とセットで手数料や預金利率の優遇を までに大きく成長している（日本証券業協会 提供したりするなどの画一的なやり方にとど の資料などによる）。 まっているのが現状である。 対面チャネルのセールスは、窓口係や外務 このように、商品販売の対面チャネルで 員の営業スキルに大きく依存しており、担当 は、セールススキルが属人化して全体のスキ 者の資質や経験年数がプレゼンテーションの ルアップが難しいといった問題があることに 巧拙を左右し、販売成績も人によって大きな 加えて、インターネットのような非対面チャ 差が出やすい。集合研修などによって担当者 ネルでも、商品情報や手数料が各行で横並び のスキルを底上げする努力は行われてきた になりやすく、差別化が難しいという問題を が、商品ラインナップのたびたびの変更や制 抱えている。 度改正に対応するためには、長期的かつ地道 このような理由から、銀行のセールスの現 な人材育成が必要だという問題がある。 場には、無駄なコストを削減しつつ効率的な ダイレクトメールによるマーケティングで マーケティング戦略を実行することが求めら も、顧客属性と直近の残高から一定の条件で れている。 ローラー的な手法が主流で、見込み客を成約 | 2015.02 レポートに掲載されているあらゆる内容の無断転載・複製を禁じます。すべての内容は日本の著作権法及び国際条約により保護されています。 Copyright © 2015 Nomura Research Institute, Ltd. All rights reserved. No reproduction or republication without written permission. たマーケティング戦略を策定することが可能 既存顧客の理解と潜在顧客の発掘 になる。 上記のような状況を改善するためには、2 ②回帰分析 つのマーケティングが必要になる。すなわ 回帰分析は、簡単にいえば 2 つの変量の間 ち、自行の顧客の資産保有状況を適切に把握 の関係を見つけるもので、例えば、顧客属性 し、離反率の抑制と顧客満足度の向上を目指 と投資資産状況から、キャンペーンに反応度 す 守りのマーケティング と、過去の時系 が高い顧客のリストを作成することを可能に 列データから潜在的需要を発掘し、商品の提 する。ピンポイントのアプローチができるの 案を行う 攻めのマーケティング である。 で、成約率の向上と事務コストの削減が期待 これを実行するためには、マーケティング できる。（図 1 参照） を担当する商品企画部門と、実際の提案を担 ③バスケット分析 当するリテールセールス部門が連携してデー バスケット分析は、「スーパーではおむつ タマイニングに取り組み、顧客理解を深める とビールが一緒に買われる傾向がある」とい ことが重要である。 うように、ある商品とよく一緒に買われる商 ここでは、マーケティング分析に用いられ 品を見つける（組み合わせパターンを抽出す るデータマイニング手法として、クラスタリ る）ものである。例えば、新興国株式ファン ング、回帰分析、バスケット分析について簡 ドとインデックスファンドが一緒に買われる 単に説明する。 傾向がある場合、インターネットバンキング ①クラスタリング の広告を工夫して成約率の向上を図ることが クラスタリングは、多数のデータの中から できるだろう（「金融商品の販売等に関する 属性値の類似度が高い ものをまとめ、そのグ ループの特性を把握す るために利用される。 例えば、自行の顧客の 図 1 回帰分析の応用事例 例：あるファンドの成約率が10%と仮定した場合の、ダイレクトメールマーケティング戦略 成約人数 成約できる対象顧客を完全に 判別することができる場合 回帰分析で成約確率の高い顧 客からアプローチする場合 1,000人 大多数が「30 代独身、 投資経験豊富」 「40 代 従来のローラー型 アプローチ 成約期待値：800人 既婚、リスク投資経験 なし」 「60 代、退職後 の資産運用なし」とい う 3 つのグループに分 成約期待値：300人 けられるという事実 が把握できれば、各グ アプローチ人数 1,000人 3,000人 1万人 ループ向けに特化させ 2015.02 | レポートに掲載されているあらゆる内容の無断転載・複製を禁じます。すべての内容は日本の著作権法及び国際条約により保護されています。 Copyright © 2015 Nomura Research Institute, Ltd. All rights reserved. No reproduction or republication without written permission. 07 特 集 銀行ビジネス変革のパートナーとして 図 2 自動データマイニングで時間・人的コストを圧縮 従来のデータマイニング 自動データマイニング データ データ データ整形 サンプリング � � � 変数作成 週 間 候補モデル作成 数 時 間 自動 データマイニング エンジン モデル検定 バックテスト 結果 結果 法律」に則った適切な広告表示・提案に留意 イニングがすでに実施されているが、データ すべきことは言うまでもない）。顧客にとっ マート作成、モデル開発、マーケティング実 ても、窓口やインターネットで投資資産を選 行がそれぞれ別の部署の主管で行われてお ぶ場合と比べ、属性やし好に応じた提案を受 り、一連の PDCA サイクルを回すのに数週間 けられるため、自身の投資観を養えるという から数カ月かかることもあるといわれる。 メリットがある。 近年、この一連の作業を自動化して高速に 分析結果を出力する統計解析エンジンが発表 NRI のデータマイニングへの 取り組み 08 され、マーケティング部門に普及し始めてい る。既存の CRM システムや販売管理システ ムから抽出した適当な変数群を入力すれば、 通常、データマイニングでは、統計解析と 統計的に有意なモデルを数時間以内に作成し プログラミング言語の専門家の支援が不可欠 てくれる。このようなエンジンを利用するこ である。また分析モデルの開発に際しては、 とで、専門家でない一般の行員でもマーケ データマート（利用目的に合ったデータのみ ティング戦略の策定が容易になる。 を取り出したもの）の作成、変数群の生成、 野村総合研究所（NRI）は 2014 年度にソ 試行錯誤による複数のモデル作成と検定によ フトウェアベンダーと協業し、このような自 る絞り込み、バックテスト（当該の取引戦略 動データマイニング製品の基本機能を実証す を、ツールを利用して過去に当てはめること るプロジェクトを立ち上げた。プロジェクト でその有効性を検証すること）といった頭脳 の前半では、全く同じデータを使って、伝統 労働とコンピュータリソースの両方が必要に 的なデータマイニングツールと機能比較を なる。一部の銀行では、このようなデータマ 行い、専門家が数週間かけて構築したもの | 2015.02 レポートに掲載されているあらゆる内容の無断転載・複製を禁じます。すべての内容は日本の著作権法及び国際条約により保護されています。 Copyright © 2015 Nomura Research Institute, Ltd. All rights reserved. No reproduction or republication without written permission. 投 資 性 商 品 の マ ー ケ テ ィ ン グ の 高 度 化 図 3 NRI のデータマイニングへの取り組み ���� サイクルの自動化・省力化 本部 データ収集・保存 分析 戦略策定 フィードバック 取引履歴 各チャネルへの戦略の反映 クリック履歴 ネット投信 推奨商品 個人向けキャンペーン 営業店への誘導 ���… ������������ 顧客属性、面談記録、 操作ログ ���… 推奨商品 顧客スコアリング アプローチ法 営業支援ツール 顧客 インターネット 営業店 ������������� ��������������� （フロントコンプラチェック） 口座管理 渉外 ���������� とほぼ同様のモデルを数時間で自動構築でき 期待にも応えていきたいと考えている。 ることを確認した（図 2 参照）。プロジェク 上記のプロジェクトでは、投信・保険商品 トの後半では、投信窓販業務ソリューション のデータマイニングやマーケティングが行え 「BESTWAY/JJ」、金融商品販売ナビゲーショ る共同利用型サービスの提供も検討に加えて ン サ ー ビ ス「BESTWAY/COMPASS」 、共同 いる。このサービスを利用することで次のメ 運用型インターネットバンキングサービス リットが享受できるようになる。 「Value Direct」の利用銀行と共同研究を開始 し、この製品を使って個人情報を除く属性・ 残高・取引履歴のデータマイニングを実施し ている。プロジェクトから得られた知見で、 │ デ ー タ マ イ ニ ン グ を 活 用 し た 顧 客 理 解 の 深 化 │ ①従量課金による、初期投資を抑えたスモー ルスタート ② NRI による業務・システムのサポート（専 門家を配置する必要がない） 銀行の投信販売戦略の成功パターンを発見す ③分析結果と、インターネットバンキング るお手伝いができないか試行している最中で や投資相談システムとの自動連携による、 ある（図 3 参照）。 マーケティング PDCA サイクルの自動化 ④ BPO との組み合わせによる、マーケティ データマイニング共同化の利点 1998 年に投信窓販が始まって以来、NRI ング事務のコストおよび期間の短縮 ⑤複数の銀行の分析結果を共有することによ る、マーケティングノウハウの向上 は「BESTWAY」の提供を通じて事務の効率 NRI は、このような先進的なマーケティン 化や制度改正対応を中心に銀行のビジネス拡 グソリューションの提供により、銀行の投資 大を支援してきた。今後は、蓄積したノウハ 性商品の販売に係るマーケティングの高度化 ウを最大限活用し、マーケティングに関する に寄与していきたいと考えている。 2015.02 | レポートに掲載されているあらゆる内容の無断転載・複製を禁じます。すべての内容は日本の著作権法及び国際条約により保護されています。 Copyright © 2015 Nomura Research Institute, Ltd. All rights reserved. No reproduction or republication without written permission. ■ 09